UltraShape 1.0: Генерация высококачественных 3D-форм с помощью масштабируемого геометрического уточнения
UltraShape 1.0: High-Fidelity 3D Shape Generation via Scalable Geometric Refinement
December 24, 2025
Авторы: Tanghui Jia, Dongyu Yan, Dehao Hao, Yang Li, Kaiyi Zhang, Xianyi He, Lanjiong Li, Jinnan Chen, Lutao Jiang, Qishen Yin, Long Quan, Ying-Cong Chen, Li Yuan
cs.AI
Аннотация
В данном отчете мы представляем UltraShape 1.0 — масштабируемую фреймворк-диффузионную модель для генерации высокодетализированной 3D-геометрии. Предлагаемый подход реализует двухэтапный конвейер генерации: сначала синтезируется грубая глобальная структура, которая затем уточняется для создания детализированной геометрии высокого качества. Для обеспечения надежной 3D-генерации мы разработали комплексный конвейер обработки данных, включающий новый метод обеспечения водонепроницаемости и высококачественную фильтрацию данных. Данный конвейер улучшает геометрическое качество общедоступных 3D-наборов данных путем удаления низкокачественных образцов, заполнения отверстий и утолщения тонких структур при сохранении мелкодетализированных геометрических особенностей. Для обеспечения детального геометрического уточнения мы разделяем пространственную локализацию и синтез геометрических деталей в процессе диффузии. Это достигается за счет выполнения воксельного уточнения в фиксированных пространственных положениях, где воксельные запросы, полученные из грубой геометрии, обеспечивают явные позиционные привязки, кодируемые посредством RoPE, что позволяет диффузионной модели сосредоточиться на синтезе локальных геометрических деталей в пределах сокращенного структурированного пространства решений. Наша модель обучается исключительно на общедоступных 3D-наборах данных, достигая высокого геометрического качества несмотря на ограниченные вычислительные ресурсы. Результаты всестороннего тестирования демонстрируют, что UltraShape 1.0 конкурирует с существующими открытыми методами как по качеству обработки данных, так и по качеству генерации геометрии. Весь код и обученные модели будут опубликованы для поддержки будущих исследований.
English
In this report, we introduce UltraShape 1.0, a scalable 3D diffusion framework for high-fidelity 3D geometry generation. The proposed approach adopts a two-stage generation pipeline: a coarse global structure is first synthesized and then refined to produce detailed, high-quality geometry. To support reliable 3D generation, we develop a comprehensive data processing pipeline that includes a novel watertight processing method and high-quality data filtering. This pipeline improves the geometric quality of publicly available 3D datasets by removing low-quality samples, filling holes, and thickening thin structures, while preserving fine-grained geometric details. To enable fine-grained geometry refinement, we decouple spatial localization from geometric detail synthesis in the diffusion process. We achieve this by performing voxel-based refinement at fixed spatial locations, where voxel queries derived from coarse geometry provide explicit positional anchors encoded via RoPE, allowing the diffusion model to focus on synthesizing local geometric details within a reduced, structured solution space. Our model is trained exclusively on publicly available 3D datasets, achieving strong geometric quality despite limited training resources. Extensive evaluations demonstrate that UltraShape 1.0 performs competitively with existing open-source methods in both data processing quality and geometry generation. All code and trained models will be released to support future research.